文献

J-GLOBAL ID：201502242540632289   整理番号：15A0622322

ハウスホルダー変換に基づくスパース最小二乗サポートベクトル回帰

Householder transformation based sparse least squares support vector regression

著者 (4件)： ZHAO Yong-Ping (School of Mechanical Engineering, Nanjing Univ. of Sci. and Technol., Nanjing 210094, CHN) ,  LI Bing (School of Mechanical Engineering, Nanjing Univ. of Sci. and Technol., Nanjing 210094, CHN) ,  LI Ye-Bo (AVIC Aeroengine Control Res. Inst., Wuxi 214063, CHN) ,  WANG Kang-Kang (School of Mechanical Engineering, Nanjing Univ. of Sci. and Technol., Nanjing 210094, CHN)
資料名： Neurocomputing  (Neurocomputing)
巻： 161  ページ： 243-253  発行年： 2015年08月05日 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： モデリング問題においてスパース性は重要な問題である。標準の最小二乗サポートベクトル回帰(LSSVR)の解をスパースとするために,本論文では,ハウスホルダー変換によりサポートベクトルを逐次的に採用する,略してHSLSSVRと称する新しいスパース法を提案した。HSLSSVRにおいて,2つの利点があった。一方では,繰返し戦略を採用し,最初から解くのではなく線形方程式セットを解いた。各繰返しの間,残余における最大の低減を起こすサンプルのトレイニングを,サポートベクトルとして採用した。他方,線形方程式セットを解くプロセスにおいて,その条件数は低下しないため,数値安定性を保証した。ベンチマークデータ集合およびロボットアームの逆動力学を計算する実世界機械系における実験からの報告により,提案したHSLSSVRの有効性および実現可能性を実証した。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *サポートベクトルマシン ,  回帰分析 ,  最小二乗法 ,  変換 ,  性質 ,  一次方程式 ,  安定性 ,  *ロボットアーム ,  動力学 ,  ベンチマーク
準シソーラス用語： *サポートベクトル回帰 ,  スパース性 ,  *ハウスホルダー変換 ,  逆動力学 ,  数値安定性 ,  線形方程式

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ハウス ,  最小二乗 ,  サポートベクトル回帰